-
公开(公告)号:CN110599428B
公开(公告)日:2023-06-20
申请号:CN201910904000.7
申请日:2019-09-24
申请人: 北京航空航天大学青岛研究院 , 北京航空航天大学 , 歌尔股份有限公司 , 上海歌尔泰克机器人有限公司
IPC分类号: G06T5/00 , G06T9/00 , G06T7/246 , G06N3/0464 , G06N3/0455
摘要: 本发明所述光流估计异构混合网络及其嵌入方法,基于深度学习的光流估计算法,将coarse‑to‑fine网络和编解码网络结合到混合光流网络,以实现两个异构网络的相互增强,既通过coarse‑to‑fine网络保持较小的规模、同时借助编解码网络克服coarse‑to‑fine网络存在的难捕获快速移动小目标和易导致“鬼影现象”的问题。混合网络,是将编解码网络嵌入到coarse‑to‑fine网络中而形成的;所述的编解码网络,其特征匹配部分进行通道压缩而与coarse‑to‑fine网络的特征匹配部分输出的匹配特征进行拼接;coarse‑to‑fine网络的光流估计部分的输出反馈给编解码网络。
-
公开(公告)号:CN110599428A
公开(公告)日:2019-12-20
申请号:CN201910904000.7
申请日:2019-09-24
申请人: 北京航空航天大学青岛研究院 , 北京航空航天大学 , 歌尔股份有限公司 , 上海歌尔泰克机器人有限公司
摘要: 本发明所述光流估计异构混合网络及其嵌入方法,基于深度学习的光流估计算法,将coarse-to-fine网络和编解码网络结合到混合光流网络,以实现两个异构网络的相互增强,既通过coarse-to-fine网络保持较小的规模、同时借助编解码网络克服coarse-to-fine网络存在的难捕获快速移动小目标和易导致“鬼影现象”的问题。混合网络,是将编解码网络嵌入到coarse-to-fine网络中而形成的;所述的编解码网络,其特征匹配部分进行通道压缩而与coarse-to-fine网络的特征匹配部分输出的匹配特征进行拼接;coarse-to-fine网络的光流估计部分的输出反馈给编解码网络。
-